WeMM-Embedding model open-sourced by WeChat
微信开源通用多模态嵌入模型 WeMM-Embedding，已大规模部署在微信推荐与搜索系统中
Available for developers in ASEAN region, WeMM-Embedding offers strong performance on multimodal tasks and is already proven at massive scale in WeChat's ecosystem.
WeChat AI has open-sourced WeMM-Embedding, a general multimodal embedding model with 2B, 4B, and 9B versions. The model supports text, images, videos, visual documents, and interleaved multimodal inputs. On the MMEB-v2 benchmark, WeMM-Embedding-9B scored 80.6, ranking first, while the 2B version scored 77.9, exceeding previous leading 8B open-source models. The model is deployed in WeChat's recommendation and search systems with daily usage exceeding 1 billion calls.
微信开源通用多模态嵌入模型 WeMM-Embedding，已大规模部署在微信推荐与搜索系统中
IT之家 9 月 4 日消息，微信 AI 官方今日宣布，将 微信线上每天调用十亿量级 的通用多模态嵌入模型 WeMM-Embedding 开源， 包含 2B、4B、9B 三个版本 ，支持文本、图像、视频、视觉文档以及任意交错的多模态输入。 官方表示，WeMM-Embedding 选择基于 Qwen3.5 多模态架构作为统一骨干，让图像、视频和文字从一开始就在同一个模型中共同处理。 在权威多模态嵌入榜单 MMEB-v2 上，WeMM-Embedding-9B 以 80.6 分位列第一。2B 版本取得 77.9 分，超过此前领先的 8B 开源模型。 WeMM-Embedding 已大规模部署在微信的推荐与搜索系统中 ，包括视频号、直播、公众号、电商与朋友圈， 每日调用量已达 10 亿量级 。模型生成的多模态表示被用于候选检索、排序特征构建、用户序列建模和跨域内容理解等环节。 在 26 项内部任务基准上，WeMM-Embedding-2B 相比同规模基线从 60.9 提升至 72.0，在分类、搜索、跨域匹配、文章相关和视频相关五类任务上均取得提升。 ▲ WeMM-Embedding 在微信内部 26 项任务上的评测结果 IT之家附相关链接： 论文链接： https://arxiv.org/abs/2608.24053 代码仓库： https://github.com/Tencent/WeMM-Embedding 模型集合： https://huggingface.co/collections/tencent/wemm-embedding
- shao__meng09-05 04:36原文
